新書推薦:
《
趋势跟踪: 汤姆·巴索的交易谋略
》
售價:HK$
77.3
《
滚滚红尘(《滚滚红尘》电影原著)
》
售價:HK$
54.9
《
罗马之变(法语直译,再现罗马共和国走向罗马帝国的辉煌历史)
》
售價:HK$
109.8
《
自然之争:1600年以来苏格兰和英格兰北部地区的环境史(新史学译丛)
》
售價:HK$
106.4
《
硝烟下的博弈:工业革命与中西方战争
》
售價:HK$
87.4
《
让内的理性主义 发现无意识之旅
》
售價:HK$
66.1
《
知命不惧:从芝诺到马可·奥勒留的生活艺术
》
售價:HK$
110.9
《
Zemax光学设计从基础到实践
》
售價:HK$
132.2
|
編輯推薦: |
百度外卖技术委员会主席力作 作者多年实际操盘经验总结 剖析大数据时代的智能增长的来龙去脉 从数据、模型、场景、团队等几个方面系统全面地总结了企业数据智能化的方法论
|
內容簡介: |
《智能增长》共分 5 部分 :数据篇从智能驱动增长方案的基础出发,沿着实际工作链条,介绍数 据收集、加工、存储和访问 ;模型篇衔接基础数据到上层应用,全面介绍数据建模,包括生命 周期、RFM、AARRR 和地理信息模型 ;场景篇真正介绍智能增长怎么做,这里以完整的商业 运营链条为例拆解 9 大运营场景,从业务、财务和技术的角度详述增长实践 ;团队篇解释了数 据驱动增长在人物层面需要具备的必要因素 ;结语篇探讨了智能增长对经济的促进作用和作用方式。 《智能增长》适合所有从事移动互联网行业研发、产品和运营的人员阅读,对智能增长、互联网 经济分析预测的观察者也有借鉴意义。
|
關於作者: |
蒋凡,现任百度外卖技术委员会主席、总架构师,拉扎斯集团高-级科学家。主要研究方向是物流调度、个性化推荐、智能营销和画像建模。译有《推荐系统》(人民邮电出版社出版)和《推荐系统:技术、评估及高效算法 》(机械工业出版社出版)。作为百度外卖智能调度项目负责人,获得2017年吴文俊人工智能科技进步奖(企业技术创新工程项目)。
|
目錄:
|
第一部分 数据篇
第1章 数据收集2
1.1 行为数据3
1.1.1 传统获取方式4
1.1.2 获取方式对比5
1.1.3 无需埋点的数据收集5
1.1.4 用户行为数据类型7
1.2 交易数据9
1.2.1 收集交易过程数据9
1.2.2 收集交易累积数据11
1.2.3 区分交易金额的组成12
1.2.4 收集广告点击数据13
1.3 标签数据14
1.3.1 发现身份属性标签15
1.3.2 在基础标签上加工15
1.3.3 从交易行为提取标签16
1.3.4 从数据挖掘建模输出 标签16
第2章 数据加工18
2.1 标准与格式19
2.1.1 基本概念19
2.1.2 无量纲化处理20
2.1.3 多源数据融合21
2.2 关联分析23
2.2.1 概念23
2.2.2 Apriori算法24
2.2.3 应用关联分析25
2.3 数据清洗28
2.3.1 填补缺失值28
2.3.2 数据平滑30
2.3.3 数据造假31
2.3.4 监测噪声数据33
第3章 数据存储35
3.1 分层与粒度35
3.1.1 粒度划分标准36
3.1.2 分层实现方法37
3.1.3 智能增长的新视角39
3.2 更新与时效40
3.2.1 记录实时数据40
3.2.2 数据更新与同步41
3.2.3 时效性42
3.3 搭建存储方案43
3.3.1 HDFS数据库43
3.3.2 NoSQL数据库44
3.3.3 开发自有方案46
第4章 数据访问48
4.1 访问工具:正排与倒排48
4.1.1 正排索引48
4.1.2 倒排索引52
4.2 衡量方法:查准与查全54
4.2.1 定义54
4.2.2 正排查全55
4.2.3 正排查准55
4.2.4 倒排查全56
4.2.5 倒排查准56
4.3 优化:性能与效率57
4.3.1 数据库设计57
4.3.2 SQL语句设计59
第二部分 模型篇
第5章 生命周期模型62
5.1 用户生命周期62
5.1.1 划分标准63
5.1.2 用户生命价值64
5.1.3 生命周期运营65
5.2 商户生命周期67
5.2.1 划分标准67
5.2.2 商户生命价值69
5.2.3 生命周期运营69
5.3 小结71
第6章 RFM模型73
6.1 定义73
6.2 适用场景75
6.2.1 客户管理75
6.2.2 电商运营76
6.2.3 服务升级77
6.3 演变方向78
6.3.1 多级指标细分78
6.3.2 算法降维79
第7章 AARRR模型81
7.1 定义81
7.2 适用场景和指标82
7.2.1 下载量和激活量83
7.2.2 用户获取成本84
7.2.3 用户活跃度84
7.2.4 用户留存率85
7.2.5 用户平均收入86
7.2.6 用户回报率87
7.2.7 用户影响因子88
7.3 小结88
第8章 地理信息模型90
8.1 意义90
8.2 基础技术91
8.2.1 地理坐标92
8.2.2 地图定位94
8.2.3 地图导航94
8.3 适用场景95
8.3.1 地址信息解析96
8.3.2 基础位置描述97
8.3.3 周边POI检索98
8.3.4 高精度定位服务99
8.3.5 个性化感知100
8.4 演变方向101
8.4.1 室内定位精准度101
8.4.2 POI位置语义化102
第三部分 场景篇
第9章 如何持续获得新用户104
9.1 意义104
9.2 从0到10 000,圈定种子用户105
9.2.1 采用邀请机制106
9.2.2 引起社区关注106
9.3 从10 000到1000万,构建增长 机制107
9.3.1 竞争群体增长107
9.3.2 延伸品类增长108
9.3.3 相近地址增长109
9.3.4 社交关系增长110
9.4 评估与反馈111
9.4.1 降低竞品用户的获取 成本112
9.4.2 提高附近用户的激活 比例112
9.4.3 提高延伸用户的活跃 程度113
9.4.4 提高社交用户的影响 能力114
9.4.5 拉新效果评估矩阵114
9.5 小结115
第10章 谁是你的明星商户116
10.1 意义116
10.2 拓荒阶段117
10.2.1 动销率与展现率118
10.2.2 吸引能力:平衡动销 和展现118
10.3 发展阶段119
10.3.1 新客导流数量与质量119
10.3.2 导流能力:平衡数量 与质量120
10.4 相持阶段120
10.4.1 客单价与客单量121
10.4.2 扩张能力:平衡单价 与单量121
10.5 稳定阶段122
10.5.1 投资回报率与营业利 润率122
10.5.2 盈利能力:跨越盈亏 平衡线123
10.6 小结124
第11章 何日君再来125
11.1 背景125
11.2 留存分析工具127
11.2.1 目标用户定格测算 分析127
11.2.2 选定用户时序演化 分析129
11.3 挽回流失用户131
11.3.1 流失的定义和分类131
11.3.2 流失率预测模型132
11.3.3 干预流失过程133
11.3.4 流失用户激活效应133
11.4 小结134
第12章 差异化定价136
12.1 意义136
12.2 根据服务区分定价138
12.2.1 一服务一价138
12.2.2 创造差异服务139
12.3 根据用户区分定价140
12.3.1 看到不同价格140
12.3.2 派发不同红包140
12.4 根据时间区分定价141
12.4.1 潮汐规律141
12.4.2 峰值效应142
12.5 小结144
第13章 缩短用户决策路径145
13.1 决策路径上的技术链条146
13.2 搜索技术147
13.2.1 查询词分析147
13.2.2 查询词变换149
13.2.3 检索结果扩展150
13.3 排序技术151
13.3.1 社交类151
13.3.2 消费类152
13.4 推荐技术152
13.4.1 技术选型153
13.4.2 技术挑战157
13.5 小结160
第14章 营造虚拟经济循环161
14.1 背景161
14.2 虚拟商品定价163
14.2.1 信用积分体系163
14.2.2 道具交易体系164
14.3 虚拟管理激励165
14.3.1 调节服务难度166
14.3.2 调节服务质量167
14.4 虚拟资源竞价169
14.4.1 发现虚拟资源169
14.4.2 找到竞价者170
14.4.3 估算竞争价格171
14.5 小结171
第15章 挤出繁荣里的泡沫173
15.1 什么是刷单174
15.1.1 刷单形态174
15.1.2 作弊手段175
15.2 加强数据校验177
15.2.1 唯一性验证177
15.2.2 常驻点验证178
15.2.3 硬件验证179
15.3 发现数据异常180
15.3.1 短期频繁行为180
15.3.2 批量雷同行为181
15.3.3 抱团趋同182
15.4 制止作弊行为182
15.4.1 规则系统182
15.4.2 机器建模183
15.4.3 避免误伤184
15.5 小结184
第16章 为商户赋能186
16.1 选地址187
16.1.1 找到旺铺位置187
16.1.2 划定服务范围188
16.2 选商品189
16.2.1 知己知彼找爆品189
16.2.2 商品的生命周期190
16.3 选客群190
16.3.1 定制目标用户190
16.3.2 提高揽客质量191
16.3.3 降低揽客成本192
16.4 小结192
第17章 调度一盘棋194
17.1 调度模式分类195
17.1.1 单地串行调度196
17.1.2 单地并行调度196
17.1.3 双地并行调度197
17.2 物流调度决策198
17.2.1 多目标优化199
17.2.2 分层建模降维200
17.2.3 云端虚拟调度201
17.2.4 配送耗时预估202
17.2.5 可视化平台203
17.3 运力供需分配204
17.3.1 需求预测与跨时空 调配205
17.3.2 极端条件运力预警 分配205
17.4 小结206
第四部分 团队篇
第18章 榜样的力量208
18.1 Facebook增长团队209
18.1.1 组织构成209
18.1.2 主要经验210
18.2 美团大数据团队210
18.2.1 组织构成210
18.2.2 主要经验211
18.3 腾讯大数据团队212
18.3.1 组织构成212
18.3.2 主要经验212
18.4 GrowingIO大数据团队213
18.4.1 组织构成213
18.4.2 主要经验214
18.5 京东大数据团队214
18.5.1 组织构成215
18.5.2 主要经验215
18.6 阿里巴巴数据平台事业部216
18.6.1 组织构成216
18.6.2 主要经验217
第19章 组建增长团队218
19.1 增长团队组织架构218
19.1.1 增长团队内部成员218
19.1.2 增长团队相关角色220
19.1.3 团队合作方式223
19.2 发挥数据科学家的作用224
19.2.1 数据科学家做什么225
19.2.2 数据科学家怎么做226
19.3 常见陷阱与经验227
19.3.1 避免大数据浮肿227
19.3.2 沟通部门间障碍227
19.3.3 防范全面建设228
第五部分 结语篇
第20章 增长的力量232
20.1 智能增长对经济的意义232
20.1.1 互联网改造工业经济232
20.1.2 互联网经济到智能经济的过渡233
20.1.3 智能增长的本质234
20.2 智能增长的阶段235
20.2.1 早期积累236
20.2.2 快速发展236
20.2.3 精细运营237
20.3 人的未来238
20.3.1 被机器智能替代239
20.3.2 做机器做不了的240
20.3.3 驾驭机器智能240
20.3.4 增长的代价241
后记242
|
|